求职工作台

要解决的问题

求职过程中最耗时的不是写简历，而是把同一份简历反复适配不同渠道：岗位散落在 BOSS直聘、猎聘、拉勾、脉脉、领英、智联、国聘、公众号、小红书和官网；匹配度靠感觉，投递话术每次重写，简历修改建议没有针对具体 JD 落地。结果就是信息收集、筛选、投递和复盘四件事互相割裂。

技能如何工作

求职工作台 把这套流程收敛成一个可本地运行的单页 HTML 应用。使用时先提供简历文件或文本，再补充目标岗位、城市和期望薪资；技能会本地解析 PDF、Word、PPT 或 TXT，提取工作年限、技能标签、职业画像和最近职位，技能词典覆盖 150+ 关键词。

随后通过 WebSearch 覆盖 10 个招聘渠道和关键词组合检索当日在招岗位，筛选 5-10 个高匹配岗位写入 jobs.json，并生成 index.html 与 profile.json。前端不依赖框架，暗色卡片布局左侧展示可编辑画像，右侧展示岗位推荐、统计面板和渠道筛选；岗位详情抽屉内提供匹配分析、话术生成和简历修改建议。

匹配算法对用户技能与岗位要求做双向模糊匹配，输出 0-100 分；已匹配项标绿色 ✓，缺失项标橙色 ✗。话术模板包含投递打招呼语、三段式面试自我介绍和高频面试问答，均使用用户真实信息。简历修改建议按每个 JD 生成 6 条：补齐缺失关键词、前置核心匹配项、量化成果、定制求职意向、经历重排、对齐 JD 话术。

数据解析依赖本地化的 PDF.js、Mammoth.js 和 JSZip，避免 CDN 被墙；岗位和画像数据存在浏览器 localStorage，不上传服务器。部署时用 python3 启动 HTTP 服务并注册到 supervisord，沙盒休眠恢复后可自动重启；另可创建每天 11 点（Asia/Shanghai）的定时任务，读取画像、检索最新岗位、更新 jobs.json 并输出推荐摘要。

适用边界与注意点

岗位数据来自公开招聘平台，仅供求职参考，不保证实时性或完整性；平台反爬、搜索结果变更和渠道收录差异都会影响覆盖度。定时任务为会话级别，会话结束后需要重新创建。工作台适合个人求职场景，不提供企业 ATS 直投、笔试或面试安排功能。